JP2004294915A

JP2004294915A - Method, device, and program for noise discrimination

Info

Publication number: JP2004294915A
Application number: JP2003089164A
Authority: JP
Inventors: Kazuo Murakawa; 一雄村川; Fumihiko Ishiyama; 文彦石山; Akiyoshi Tominaga; 哲欣富永; Hiroshi Yamane; 宏山根
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2003-03-27
Filing date: 2003-03-27
Publication date: 2004-10-21
Anticipated expiration: 2023-03-27
Also published as: JP4175563B2

Abstract

<P>PROBLEM TO BE SOLVED: To provide a method, a device, and a program for noise discrimination that can accurately discriminate noise by extracting and using frequency information of a measurement signal even under a severe noise environment. <P>SOLUTION: Time-series data consisting of a sound, an electric signal, and mechanical vibration are divided into finite-time sections (step S11), frequency analyses of time-series data of the individual divided finite-time sections are taken in a linear predicting method (step S13), and a defining means 5 newly defines a complex frequency and its predicted value from calculation quantities obtained from analysis results (step S15); and tracks of temporal variations of the complex frequency and predicted value are stereoscopically displayed to grasp features of the noise (step S17). <P>COPYRIGHT: (C)2005,JPO&NCIPI

Description

【０００１】
【発明の属する技術分野】
本発明は、音声、電気信号または機械的振動からなる時系列データに潜在するノイズをそのノイズの有する周波数情報であるホルマント周波数を用いて識別するノイズ識別方法、装置およびプログラムに関し、特に音声またはノイズを含む電気信号や機械的振動に潜在する特徴的な周波数情報である複素周波数とその予測値を求めることによりノイズの特徴を捉えることでノイズを識別するノイズ識別方法、装置およびプログラムに関する。
【０００２】
【従来の技術】
従来、測定信号に潜在する特徴的な周波数を抽出する方法として、フーリェ変換法を始め、近年では線形予測法（例えば、非特許文献１参照）やウェーブレット変換法（例えば、非特許文献２参照）が提案されている。
【０００３】
フーリェ変換法は、時系列データと所定の周波数を有する正弦波との相関係数を調べるのに対して、線形予測法は、測定信号である時系列データの予測係数を求め、その結果の予測係数を用いて特徴的な周波数を抽出する方法である。ウェーブレット変換法は、あるパルス幅とある時間遅れを有するパルスと時系列データの相関を調べるものである。
【０００４】
ここで、従来の線形予測方法による周波数解析手法について説明する。ホルマント解析は、音声の時系列データ（音声に限る必要は特にない）に存在する特徴的あるいは周期的な周波数成分を得る解析手法として知られている。周波数解析の手法には、幾つかの手法があるが、ここでは、線形予測分析方法について説明する。具体的には、時系列データ｛ｘ（ｎ）：ｎ＝０，１，２，…Ｎ，Ｔ：サンプル間隔｝の特徴を示す周波数情報を抽出するため、以下の時系列データに対する予測値を考える。
【０００５】
【数１】

なお、ａ_ｉ（ｉ＝１，２，…，ｐ）は予測係数とも呼ばれているもので、式（１）で用いられている考え方は多変量解析などで行われる回帰分析手法と同様なものであり、過去の時系列データからある時刻の時系列データを予測するものである。なお、ｐは予測係数の項数もしくは次数である。予測次数は時系列データの有する周波数成分の数に依存するが、通常、予測次数ｐは４〜１０が選択されている。
【０００６】
ここで、（１）式をフーリェ変換すると、以下の関係が成り立つ。次式において、Ｘ（ω）は時系列データｘ（ｎ）のフーリェ変換であり、
【数２】

はその予測値である。
【０００７】
【数３】

このとき、未知の予測係数を求めるため、時系列データとその予測値との差を以下のように定義する。
【０００８】
【数４】

式（３）で示される時系列データの差分のフーリェ変換から次式を得る。
【０００９】
【数５】

ただし、
【数６】

ただし、ωは角周波数である。なお、式（５）の絶対値の２乗値は周波数の関数であるパワースペクトルとも呼ばれて、以下のように定義する。
【００１０】
【数７】

このとき、式（６）が最小になるようａ_ｉ（ｉ＝１，２，…，ｐ）を決定することで、時系列データの周波数特性であるｘ（ω）の予測値を求めることができる。
【００１１】
【非特許文献１】
趙、島村、高橋、鈴木：“線形予測分析に基づくホルマント周波数抽出の雑音体制の改善”、電子情報通信学会論文誌Ａ、Ｖｏｌ．Ｊ８９−Ａ，Ｎｏ．６，ｐｐ．７４５−７５８，２００１年６月
【非特許文献２】
章、川畑：“ウェーブレット変換による異常信号診断法に関する研究”、日本機械学会論文誌Ｃ、Ｎｏ．００−１０６０，ｐｐ．７１−７８，２００１年５月
【００１２】
【発明が解決しようとする課題】
上述した従来の手法は、時系列データから得られる周波数とそのレベルまたは相関値を二次元的に表示することでノイズを特徴づけるものであるが、時系列データに混入しているホワイトノイズと信号とのＳ／Ｎの問題があり、ノイズが多くなると、ホルマント周波数の抽出精度が著しく劣化するという問題がある。
【００１３】
また、実環境で測定される測定信号には商用電源からの電磁誘導の影響を受けることが多く、その影響により解析結果が変動するなどの問題がある。
【００１４】
更に、従来の手法におけるホルマント解析では、ある時系列データの周波数特性を調べるため、未知の予測係数を求めることを主眼に置いている。このとき、未知の予測係数を決定する際、フーリェ変換などで行われる複素演算処理が不要である。この結果、四則演算でほぼ特徴的な周波数情報を得ることができる。ただし、これまでの周波数解析では、得られた周波数情報を実数空間のみで表示することに主眼を置いていたため、本来、時系列データが有する周波数情報を充分に用いていないという問題がある。
【００１５】
本発明は、上記に鑑みてなされたもので、その目的とするところは、高ノイズ下においても測定信号の周波数情報を抽出して用いることによりノイズを適確に識別することができるノイズ識別方法、装置およびプログラムを提供することにある。
【００１６】
【課題を解決するための手段】
上記目的を達成するため、請求項１記載の本発明は、音声、電気信号または機械的振動からなる時系列データに潜在するノイズを識別するノイズ識別方法であって、前記時系列データを有限時間区間に分割し、個々の有限時間区間の時系列データに対して線形予測法により周波数解析を行い、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義し、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉えることを要旨とする。
【００１７】
請求項１記載の本発明は、ノイズの周波数特性を捉えることを基本としたノイズ識別方法であって、時系列データを有限時間区間に分割し、各有限時間区間の時系列データに対して周波数解析を行い、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義し、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００１８】
また、請求項２記載の本発明は、請求項１記載の発明において、前記時系列データの時間波形に対して自己相関または積分処理の前処理を行うことで広い周波数範囲における時系列データの有する複素周波数とその予測値を求め、この複素周波数とその予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉えることを要旨とする。
【００１９】
請求項２記載の本発明にあっては、時間波形に対して自己相関または積分処理の前処理を行って広い周波数範囲における時系列データの有する複素周波数と予測値を求め、この複素周波数と予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００２０】
更に、請求項３記載の本発明は、音声、電気信号または機械的振動からなる時系列データに潜在するノイズを識別するノイズ識別装置であって、前記時系列データを有限時間区間に分割する時系列データ分割手段と、個々の有限時間区間の時系列データに対して線形予測法により周波数解析を行う周波数解析手段と、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義する定義手段と、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示してノイズの特徴を捉える立体的表示手段とを有することを要旨とする。
【００２１】
請求項３記載の本発明にあっては、時系列データを有限時間区間に分割し、各有限時間区間の時系列データに対して周波数解析を行い、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義し、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００２２】
請求項４記載の本発明は、請求項３記載の発明において、前記時系列データの時間波形に対して自己相関または積分処理の前処理を行うことで広い周波数範囲における時系列データの有する複素周波数とその予測値を求め、この複素周波数とその予測値の時間的な変化を立体的に表示してノイズの特徴を捉える手段を有することを要旨とする。
【００２３】
請求項４記載の本発明にあっては、時間波形に対して自己相関または積分処理の前処理を行って広い周波数範囲における時系列データの有する複素周波数と予測値を求め、この複素周波数と予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００２４】
また、請求項５記載の本発明は、音声、電気信号または機械的振動からなる時系列データに潜在するノイズを識別するためのコンピュータが実行可能なノイズ識別プログラムであって、前記時系列データを有限時間区間に分割する手順と、個々の有限時間区間の時系列データに対して線形予測法により周波数解析を行う手順と、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義する手順と、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉える手順とを前記コンピュータに実行させることを要旨とする。
【００２５】
請求項５記載の本発明にあっては、時系列データを有限時間区間に分割し、各有限時間区間の時系列データに対して周波数解析を行い、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義し、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００２６】
更に、請求項６記載の本発明は、請求項５記載の発明において、前記時系列データの時間波形に対して自己相関または積分処理の前処理を行うことで広い周波数範囲における時系列データの有する複素周波数とその予測値を求め、この複素周波数とその予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉える手順を前記コンピュータに実行させることを要旨とする。
【００２７】
請求項６記載の本発明にあっては、時間波形に対して自己相関または積分処理の前処理を行って広い周波数範囲における時系列データの有する複素周波数と予測値を求め、この複素周波数と予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉えるため、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００２８】
【発明の実施の形態】
以下、図面を用いて本発明の実施の形態を説明する。図１は、本発明の一実施形態に係るノイズ識別方法を実施するノイズ識別装置の構成を示すブロック図であり、図２は、その処理手順を示すフローチャートである。
【００２９】
本実施形態を図面で説明する前に、まず本発明の概要について説明する。従来の技術において説明したように、ホルマント解析では、ある時系列データの周波数特性を調べるため、未知の予測係数を求めることを主眼に置いている。このとき、未知の予測係数を決定する際、フーリェ変換などで行われる複素演算処理が不要である。この結果、四則演算でほぼ特徴的な周波数情報を得ることができる。ただし、これまでの周波数解析では、得られた周波数情報を実数空間のみで表示することに主眼を置いていたため、本来、時系列データが有する周波数情報を充分に用いていない問題があった。このため、式（２）の関係を用いて、以下の複素周波数を定義する。
【００３０】
【数８】

式（７）はある有限時間区間の時系列データに対する周波数成分の予測値と真値との比に周波数を掛けたものである。しかも、式（７）の単位は複素数の周波数である。なお、予測値と真値が等しくなる場合、式（７）から得られる周波数と時系列データの有する周波数は合致することになる。従って、複素周波数を軸として式（７）を立体表示することにより、時系列データの有する特徴もしくは振る舞いをより動的に表現することができる。ここで、式（７）を用いて式（５）である予測スペクトルは以下のようにも表現できる。
【００３１】
【数９】

式（８）において、予測値と真値が合致した場合、式（８）の分母は発散し、予測値と真値が合致しない場合、予測値が有限な値を有することから、この式（８）を表示することによって、ノイズの特徴を定量的に捉えることができる。
【００３２】
次に、以上の説明を踏まえて、本実施形態のノイズ識別装置およびその処理手順について図面を用いて説明する。図１に示すように、本実施形態のノイズ識別装置は、時系列データ分割手段１、周波数解析手段３、定義手段５および立体的表示手段７から構成されている。
【００３３】
図２に示すフローチャートでは、本実施形態のノイズ識別方法は、まず時系列データ分割手段１において音声、電気信号または機械的振動からなる時系列データを有限時間区間に分割し（ステップＳ１１）、この分割された個々の有限時間区間の時系列データに対して線形予測法により周波数解析を周波数解析手段３において行う（ステップＳ１３）。
【００３４】
次に、周波数解析手段３による解析結果から得られる計算量から複素周波数とその予測値を定義手段５で新たに定義する（ステップＳ１５）。それから、この複素周波数と予測値の時間的な変化の軌跡を立体的表示手段７で立体的に表示することによりノイズの特徴を捉えることができる（ステップＳ１７）。
【００３５】
なお、本実施形態のノイズ識別方法では、更に時系列データの時間波形に対して自己相関または積分処理の前処理を行うことで広い周波数範囲における時系列データの有する複素周波数とその予測値を求め、この複素周波数とその予測値の時間的な変化を立体的に表示してノイズの特徴を捉えることができる。
【００３６】
次に、図３乃至図１０を参照して、本実施形態のノイズ識別方法の具体的な解析結果について説明する。
【００３７】
図３乃至図１０に示す解析結果は、ノイズ源としてインバータ方式の蛍光灯を用いたものであり、図３乃至図６は、蛍光灯の点灯中において電源線に流れているコモンモード電流の解析結果であり、図７乃至図１０は、蛍光灯の点灯直後において電源線に流れているコモンモード電流の解析結果である。
【００３８】
また、図３乃至図１０において、図３および図７はノイズ電流の時間波形である。図４および図８は従来の周波数解析結果を時間とその時間に存在する周波数によって表示した図であり、同図において黒くなっている箇所にノイズの周波数成分が存在していることが示されている。
【００３９】
また、図において、図４および図５は複素周波数による特徴、すなわち予測評価値を三次元的に表示したものであり、平面軸として複素周波数の実軸と虚軸があり、この平面軸上に予測スペクトルである予測評価値（正規化｜Ａ（ω）｜）を立体的に表示しているものである。図６および図１０は図５および図９の複素周波数の実軸から見た図である。この図５および図９、図６および図１０の縦軸で示す予測スペクトルは、ノイズの有する周波数の存在を示す指標であり、この値が高い程、ノイズが有するある周波数の存在確率が高いことを示している。従って、実軸と虚軸の周波数軸を有する複素周波数で予測スペクトルを表示することで、その周波数の存在を定量的に判断することができる。従って、図５および図９、図６および図１０においてピークが示されている箇所にその周波数が存在することがわかる。
【００４０】
図４および図８に示す従来の表示方法では、矢印で示すように、周波数５０ｋＨｚ付近に特徴的な周波数が存在することは見られるが、図面から両者の違いを明確に判断できない。
【００４１】
これに対して、本実施形態による図５および図９、図６および図１０による表示方法では、矢印で示すように周波数５０ｋＨｚ付近にピークのある特徴的な周波数があることを始め、両者の違いを明確に識別することができ、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確にまた商用電源からの低周波誘導による影響も抽出することができる。
【００４２】
なお、上記実施形態のノイズ識別方法の処理手順をプログラムとして例えばＣＤやＦＤなどの記録媒体に記録して、この記録媒体をコンピュータシステムに組み込んだり、または記録媒体に記録されたプログラムを通信回線を介してコンピュータシステムにダウンロードしたり、または記録媒体からインストールし、該プログラムでコンピュータシステムを作動させることにより、ノイズ識別方法を実施するノイズ識別装置として機能させることができることは勿論であり、このような記録媒体を用いることにより、その流通性を高めることができるものである。
【００４３】
【発明の効果】
以上説明したように、本発明によれば、時系列データを有限時間区間に分割し、各有限時間区間の時系列データに対して周波数解析を行い、この解析結果から得られる計算量から複素周波数とその予測値を新たに定義し、この複素周波数と予測値の時間的な変化の軌跡を立体的に表示することによりノイズの特徴を捉えるので、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００４４】
また、本発明によれば、時間波形に対して自己相関または積分処理の前処理を行って広い周波数範囲における時系列データの有する複素周波数と予測値を求め、この複素周波数と予測値の時間的な変化を立体的に表示することによりノイズの特徴を捉えるので、高ノイズ下において時系列データの特徴を示す周波数とその振る舞いを高い精度で適確に、また商用電源からの低周波誘導による影響も抽出することができる。
【００４５】
更に、本発明によれば、ノイズ識別方法をノイズ識別プログラムとして例えば記録媒体などに記録したコンピュータに実行させるので、該記録媒体を用いて、その流通性を高めることができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係るノイズ識別方法を実施する装置の構成を示すブロック図である。
【図２】図１に示す実施形態のノイズ識別装置の処理手順を示すフローチャートである。
【図３】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯中において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図４】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯中において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図５】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯中において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図６】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯中において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図７】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯直後において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図８】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯直後において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図９】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯直後において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【図１０】図１、図２に示す実施形態のノイズ識別方法の具体的な解析結果、特に蛍光灯の点灯直後において電源線に流れているコモンモード電流の解析結果を示すグラフである。
【符号の説明】
１時系列データ分割手段
３周波数解析手段
５定義手段
７立体的表示手段[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a noise identification method, an apparatus, and a program for identifying noise latent in time-series data composed of voice, electric signal, or mechanical vibration using a formant frequency which is frequency information of the noise, and particularly relates to voice or noise. TECHNICAL FIELD The present invention relates to a noise identification method, apparatus, and program for identifying noise by capturing a characteristic of noise by obtaining a complex frequency which is characteristic frequency information latent in an electric signal or mechanical vibration including the above, and a predicted value thereof.
[0002]
[Prior art]
Conventionally, as a method for extracting a characteristic frequency latent in a measurement signal, a Fourier transform method has been started, and in recent years, a linear prediction method (for example, see Non-Patent Document 1) and a wavelet transform method (for example, see Non-Patent Document 2) Has been proposed.
[0003]
The Fourier transform method examines a correlation coefficient between time-series data and a sine wave having a predetermined frequency, whereas the linear prediction method calculates a prediction coefficient of the time-series data which is a measurement signal, and predicts the result. This is a method of extracting characteristic frequencies using coefficients. The wavelet transform method examines a correlation between a pulse having a certain pulse width and a certain time delay and time-series data.
[0004]
Here, a frequency analysis method using a conventional linear prediction method will be described. The formant analysis is known as an analysis technique for obtaining a characteristic or periodic frequency component existing in time-series data of a voice (it is not particularly limited to voice). There are several frequency analysis methods. Here, a linear prediction analysis method will be described. Specifically, in order to extract frequency information indicating the characteristics of the time-series data {x (n): n = 0, 1, 2,... Think.
[0005]
(Equation 1)

Note that a _i (i = 1, 2,..., P) is also called a prediction coefficient, and the concept used in equation (1) is similar to the regression analysis method performed in multivariate analysis or the like. This is for predicting time-series data at a certain time from past time-series data. Here, p is the number of terms or order of the prediction coefficient. Although the prediction order depends on the number of frequency components included in the time-series data, usually, the prediction order p is selected from 4 to 10.
[0006]
Here, when the equation (1) is Fourier-transformed, the following relationship is established. In the following equation, X (ω) is a Fourier transform of the time series data x (n),
(Equation 2)

Is the predicted value.
[0007]
[Equation 3]

At this time, in order to obtain an unknown prediction coefficient, the difference between the time-series data and its predicted value is defined as follows.
[0008]
(Equation 4)

The following equation is obtained from the Fourier transform of the difference between the time series data represented by the equation (3).
[0009]
(Equation 5)

However,
(Equation 6)

Here, ω is an angular frequency. The square value of the absolute value in the equation (5) is also called a power spectrum which is a function of the frequency, and is defined as follows.
[0010]
(Equation 7)

At this time, by determining a _i (i = 1, 2,..., P) such that Expression (6) is minimized, it is possible to obtain a predicted value of x (ω) which is a frequency characteristic of the time-series data. it can.
[0011]
[Non-patent document 1]
Zhao, Shimamura, Takahashi, Suzuki: “Improvement of the noise system in formant frequency extraction based on linear prediction analysis”, IEICE Transactions A, Vol. J89-A, No. 6, pp. 745-758, June 2001 [Non-Patent Document 2]
Chapter, Kawabata: “Study on abnormal signal diagnosis method by wavelet transform”, Transactions of the Japan Society of Mechanical Engineers, C, No. 00-1060, pp. 71-78, May 2001
[Problems to be solved by the invention]
The conventional method described above characterizes noise by displaying the frequency obtained from the time-series data and its level or correlation value two-dimensionally, but the white noise and signal mixed in the time-series data However, there is a problem that when noise increases, the formant frequency extraction accuracy is significantly deteriorated.
[0013]
In addition, a measurement signal measured in a real environment is often affected by electromagnetic induction from a commercial power supply, and there is a problem that an analysis result fluctuates due to the influence.
[0014]
Furthermore, the formant analysis in the conventional method mainly focuses on finding unknown prediction coefficients in order to examine the frequency characteristics of certain time-series data. At this time, when the unknown prediction coefficient is determined, complex arithmetic processing performed by Fourier transform or the like is unnecessary. As a result, almost characteristic frequency information can be obtained by the four arithmetic operations. However, the frequency analysis so far has focused on displaying the obtained frequency information only in the real number space, and thus there is a problem that the frequency information included in the time-series data is not sufficiently used.
[0015]
The present invention has been made in view of the above, and it is an object of the present invention to provide a noise identification method capable of accurately identifying noise by extracting and using frequency information of a measurement signal even under high noise. , An apparatus and a program.
[0016]
[Means for Solving the Problems]
In order to achieve the above object, the present invention according to claim 1 is a noise identification method for identifying a potential noise in time-series data consisting of voice, electric signal or mechanical vibration, wherein the time-series data is stored for a finite time. Frequency division is performed on the time-series data of each finite time section by a linear prediction method, and a complex frequency and its predicted value are newly defined from a calculation amount obtained from the analysis result. The gist of the present invention is to grasp the characteristics of noise by displaying the trajectory of the temporal change of the predicted value and the time.
[0017]
The present invention according to claim 1 is a noise identification method based on capturing frequency characteristics of noise, wherein time series data is divided into finite time sections, and frequency Analysis is performed, complex frequencies and their predicted values are newly defined from the amount of calculation obtained from the analysis results, and the trajectory of the temporal change in the complex frequencies and the predicted values is displayed three-dimensionally, thereby characterizing the noise. Therefore, it is possible to accurately and accurately determine the frequency and the behavior of the time-series data under high noise with high accuracy, and also to extract the influence of low-frequency induction from a commercial power supply.
[0018]
According to a second aspect of the present invention, in the first aspect of the present invention, the time waveform of the time-series data is subjected to pre-processing of auto-correlation or integration processing, so that the time-series data has a wide frequency range. The gist of the present invention is to obtain a complex frequency and its predicted value, and to capture the characteristics of noise by displaying the temporal change of the complex frequency and its predicted value in a three-dimensional manner.
[0019]
According to the second aspect of the present invention, a complex frequency and a predicted value of the time-series data in a wide frequency range are obtained by performing a pre-process of an autocorrelation or an integration process on a time waveform. In order to capture the characteristics of noise by displaying the time change of the value three-dimensionally, the frequency indicating the characteristics of the time-series data and its behavior under high noise can be accurately and accurately determined. The effect of frequency induction can also be extracted.
[0020]
Further, the present invention according to claim 3 is a noise discriminating apparatus for identifying a potential noise in time-series data composed of voice, electric signal or mechanical vibration, wherein the time-series data is divided into finite time sections. Sequence data division means, frequency analysis means for performing frequency analysis on the time series data of each finite time section by linear prediction, and complex frequency and its predicted value are newly defined from the amount of calculation obtained from this analysis result The gist of the present invention is to include a definition means for performing the above-described processing and a three-dimensional display means for three-dimensionally displaying the trajectory of the temporal change of the complex frequency and the predicted value to capture the characteristics of the noise.
[0021]
According to the third aspect of the present invention, the time series data is divided into finite time sections, the frequency analysis is performed on the time series data in each finite time section, and the complex frequency is calculated from the amount of calculation obtained from the analysis result. And its predicted value are newly defined, and the complex frequency and the trajectory of the temporal change of the predicted value are displayed three-dimensionally to capture noise characteristics. And its behavior can be accurately and accurately extracted, and the influence of low-frequency induction from a commercial power supply can be extracted.
[0022]
According to a fourth aspect of the present invention, in accordance with the third aspect of the present invention, a complex frequency of the time-series data in a wide frequency range is obtained by performing a pre-process of an autocorrelation or an integration process on the time waveform of the time-series data. And a prediction value thereof, and a means for three-dimensionally displaying the complex frequency and the temporal change of the prediction value to capture characteristics of noise.
[0023]
According to the fourth aspect of the present invention, a complex frequency and a predicted value of the time-series data in a wide frequency range are obtained by performing a pre-process of the autocorrelation or the integration process on the time waveform. In order to capture the characteristics of noise by displaying the time change of the value three-dimensionally, the frequency indicating the characteristics of the time-series data and its behavior under high noise can be accurately and accurately determined. The effect of frequency induction can also be extracted.
[0024]
According to a fifth aspect of the present invention, there is provided a computer-executable noise identification program for identifying potential noise in time-series data including voice, electric signal, or mechanical vibration, wherein the time-series data is A procedure for dividing into finite time sections, a procedure for performing frequency analysis on the time series data of each finite time section by a linear prediction method, and a method for newly adding a complex frequency and its predicted value from a calculation amount obtained from the analysis result. The gist of the present invention is to cause the computer to execute a procedure of defining and a procedure of three-dimensionally displaying a trajectory of a temporal change of the complex frequency and the predicted value to capture a feature of noise.
[0025]
According to the fifth aspect of the present invention, the time-series data is divided into finite time sections, frequency analysis is performed on the time-series data in each finite time section, and a complex frequency is calculated based on a calculation amount obtained from the analysis result. And its predicted value are newly defined, and the complex frequency and the trajectory of the temporal change of the predicted value are displayed three-dimensionally to capture noise characteristics. And its behavior can be accurately and accurately extracted, and the influence of low-frequency induction from a commercial power supply can be extracted.
[0026]
Furthermore, the present invention according to claim 6 is the invention according to claim 5, wherein the time waveform of the time-series data is subjected to pre-processing of autocorrelation or integration processing so that the time-series data has a wide frequency range. The gist of the present invention is to cause the computer to execute a procedure of obtaining a complex frequency and a predicted value thereof and displaying a time-dependent change of the complex frequency and the predicted value in a three-dimensional manner to capture characteristics of noise.
[0027]
According to the sixth aspect of the present invention, a complex frequency and a prediction value of the time-series data in a wide frequency range are obtained by performing a pre-process of an autocorrelation or an integration process on a time waveform. In order to capture the characteristics of noise by displaying the time change of the value three-dimensionally, the frequency indicating the characteristics of the time-series data and its behavior under high noise can be accurately and accurately determined. The effect of frequency induction can also be extracted.
[0028]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings. FIG. 1 is a block diagram illustrating a configuration of a noise identification device that performs a noise identification method according to an embodiment of the present invention, and FIG. 2 is a flowchart illustrating a processing procedure thereof.
[0029]
Before describing the present embodiment with drawings, an outline of the present invention will be described first. As described in the related art, the formant analysis focuses on finding unknown prediction coefficients in order to examine the frequency characteristics of certain time-series data. At this time, when the unknown prediction coefficient is determined, complex arithmetic processing performed by Fourier transform or the like is unnecessary. As a result, almost characteristic frequency information can be obtained by the four arithmetic operations. However, the frequency analysis so far has focused on displaying the obtained frequency information only in the real number space, and there has been a problem that the frequency information included in the time-series data is not sufficiently used. For this reason, the following complex frequency is defined using the relationship of Expression (2).
[0030]
(Equation 8)

Equation (7) is obtained by multiplying the frequency by the ratio between the predicted value and the true value of the frequency component for the time-series data in a certain finite time section. Moreover, the unit of the equation (7) is a complex frequency. If the predicted value is equal to the true value, the frequency obtained from Expression (7) matches the frequency of the time-series data. Therefore, by displaying the equation (7) three-dimensionally with the complex frequency as an axis, the feature or behavior of the time-series data can be more dynamically expressed. Here, using equation (7), the predicted spectrum represented by equation (5) can also be expressed as follows.
[0031]
(Equation 9)

In Equation (8), when the predicted value matches the true value, the denominator of Equation (8) diverges. When the predicted value does not match the true value, the predicted value has a finite value. By displaying 8), the characteristics of the noise can be quantitatively grasped.
[0032]
Next, based on the above description, the noise discriminating apparatus according to the present embodiment and its processing procedure will be described with reference to the drawings. As shown in FIG. 1, the noise discriminating apparatus of the present embodiment includes a time-series data dividing unit 1, a frequency analyzing unit 3, a defining unit 5, and a three-dimensional display unit 7.
[0033]
In the flowchart shown in FIG. 2, in the noise identification method according to the present embodiment, first, the time-series data dividing unit 1 divides time-series data including voice, electric signal, or mechanical vibration into finite time sections (step S11). Frequency analysis is performed by the frequency analysis means 3 on the divided time-series data of each finite time section by the linear prediction method (step S13).
[0034]
Next, a complex frequency and its predicted value are newly defined by the definition means 5 from the calculation amount obtained from the analysis result by the frequency analysis means 3 (step S15). Then, the trajectory of the temporal change of the complex frequency and the predicted value is stereoscopically displayed by the stereoscopic display means 7, so that the characteristic of the noise can be grasped (step S17).
[0035]
In the noise identification method according to the present embodiment, a complex frequency of the time-series data in a wide frequency range and its predicted value are obtained by further performing a pre-process of the autocorrelation or the integration process on the time waveform of the time-series data. The three-dimensional display of the complex frequency and its temporal change in the predicted value enables the characteristics of the noise to be grasped.
[0036]
Next, specific analysis results of the noise identification method according to the present embodiment will be described with reference to FIGS.
[0037]
The analysis results shown in FIGS. 3 to 10 are obtained by using an inverter-type fluorescent lamp as a noise source. FIGS. 3 to 6 show the analysis of the common mode current flowing in the power supply line while the fluorescent lamp is turned on. FIG. 7 to FIG. 10 show the analysis results of the common mode current flowing in the power supply line immediately after lighting of the fluorescent lamp.
[0038]
3 to 10, FIGS. 3 and 7 are time waveforms of the noise current. FIGS. 4 and 8 are diagrams showing the results of the conventional frequency analysis in terms of time and the frequencies present at that time. In FIG. 4 and FIG. 8, it is shown that the frequency components of the noise are present in black portions. I have.
[0039]
4 and 5 show three-dimensional features of complex frequencies, that is, prediction evaluation values. There are real axes and imaginary axes of complex frequencies as plane axes. The prediction evaluation value (normalized | A (ω) |), which is a prediction spectrum, is displayed in three dimensions. 6 and 10 are diagrams of the complex frequencies in FIGS. 5 and 9 as viewed from the real axis. The predicted spectra indicated by the vertical axes in FIGS. 5 and 9, 6 and 10 are indices indicating the presence of frequencies having noise. The higher this value is, the higher the probability of existence of certain frequencies having noise is. Is shown. Therefore, by displaying a predicted spectrum at a complex frequency having a frequency axis of a real axis and an imaginary axis, the existence of the frequency can be quantitatively determined. Therefore, it can be seen that the frequency exists at the position where the peak is shown in FIGS. 5 and 9 and FIGS. 6 and 10.
[0040]
In the conventional display method shown in FIGS. 4 and 8, it is seen that a characteristic frequency exists near the frequency of 50 kHz as indicated by the arrow, but the difference between the two cannot be clearly determined from the drawings.
[0041]
On the other hand, in the display method according to the present embodiment shown in FIGS. 5 and 9, 6 and 10, there is a characteristic frequency having a peak near a frequency of 50 kHz as indicated by an arrow, and the difference between the two. Can be clearly identified, and the frequency and the characteristic showing the characteristics of the time-series data under high noise can be accurately and accurately extracted with high accuracy, and the influence of low-frequency induction from a commercial power supply can also be extracted.
[0042]
Note that the processing procedure of the noise identification method of the above embodiment is recorded as a program on a recording medium such as a CD or FD, and this recording medium is incorporated into a computer system, or the program recorded on the recording medium is transmitted to a communication line. Of course, by downloading to a computer system via a computer or installing from a recording medium, and operating the computer system with the program, the computer system can function as a noise identification device that implements a noise identification method. By using a recording medium, its distribution can be enhanced.
[0043]
【The invention's effect】
As described above, according to the present invention, the time-series data is divided into finite time sections, the frequency analysis is performed on the time-series data in each finite time section, and the complex frequency is calculated based on the calculation amount obtained from the analysis result. And its predicted value are newly defined, and the characteristic of the noise is captured by displaying the complex frequency and the trajectory of the temporal change of the predicted value three-dimensionally. And its behavior can be accurately and accurately extracted, and the influence of low-frequency induction from a commercial power supply can be extracted.
[0044]
Further, according to the present invention, a pre-process of an autocorrelation or integration process is performed on a time waveform to obtain a complex frequency and a predicted value of the time-series data in a wide frequency range, and the temporal relationship between the complex frequency and the predicted value is obtained. The characteristics of the noise are captured by displaying the three-dimensional changes in a three-dimensional manner, so that the frequency and the behavior indicating the characteristics of the time-series data under high noise can be accurately and accurately determined. Can also be extracted.
[0045]
Furthermore, according to the present invention, since the computer executes the noise discrimination method as a noise discrimination program, for example, on a recording medium or the like, it is possible to use the recording medium to enhance the distribution.
[Brief description of the drawings]
FIG. 1 is a block diagram illustrating a configuration of an apparatus that performs a noise identification method according to an embodiment of the present invention.
FIG. 2 is a flowchart showing a processing procedure of the noise identification device of the embodiment shown in FIG.
FIG. 3 is a graph showing a specific analysis result of the noise identification method according to the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line while a fluorescent lamp is turned on.
FIG. 4 is a graph showing a specific analysis result of the noise identification method of the embodiment shown in FIGS. 1 and 2, in particular, an analysis result of a common mode current flowing in a power supply line while a fluorescent lamp is turned on.
FIG. 5 is a graph showing a specific analysis result of the noise identification method according to the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line during lighting of a fluorescent lamp.
FIG. 6 is a graph showing a specific analysis result of the noise identification method according to the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line during lighting of a fluorescent lamp.
FIG. 7 is a graph showing a specific analysis result of the noise identification method of the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line immediately after lighting of a fluorescent lamp.
FIG. 8 is a graph showing a specific analysis result of the noise identification method of the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line immediately after lighting of a fluorescent lamp.
FIG. 9 is a graph showing a specific analysis result of the noise identification method according to the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line immediately after lighting of a fluorescent lamp.
FIG. 10 is a graph showing a specific analysis result of the noise identification method of the embodiment shown in FIGS. 1 and 2, particularly an analysis result of a common mode current flowing in a power supply line immediately after lighting of a fluorescent lamp.
[Explanation of symbols]
1 time-series data division means 3 frequency analysis means 5 definition means 7 three-dimensional display means

Claims

Voice, a noise identification method for identifying a potential noise in the time-series data consisting of electrical signals or mechanical vibration, the time-series data is divided into finite time sections, for each time-series data of the finite time section Performs frequency analysis by linear prediction method, newly defines the complex frequency and its predicted value from the amount of calculation obtained from this analysis result, and three-dimensionally displays the trajectory of the temporal change of this complex frequency and the predicted value. A noise discrimination method characterized by capturing characteristics of noise.

By performing pre-processing of autocorrelation or integration processing on the time waveform of the time-series data, a complex frequency of the time-series data in a wide frequency range and its predicted value are obtained. 2. The noise identification method according to claim 1, wherein the characteristic of the noise is captured by displaying a three-dimensional change.

What is claimed is: 1. A noise discriminating device for identifying potential noise in time-series data consisting of voice, electric signal or mechanical vibration, a time-series data dividing means for dividing the time-series data into finite time sections, and individual finite time sections. Frequency analysis means for performing a frequency analysis on the time-series data by a linear prediction method, definition means for newly defining a complex frequency and its predicted value from the amount of calculation obtained from the analysis result, and a complex frequency and a predicted value A three-dimensional display means for three-dimensionally displaying a trajectory of the temporal change of the three-dimensional image and capturing characteristics of the noise.

By performing pre-processing of autocorrelation or integration processing on the time waveform of the time-series data, a complex frequency of the time-series data in a wide frequency range and its predicted value are obtained. 4. The noise discriminating apparatus according to claim 3, further comprising means for three-dimensionally displaying the change and capturing characteristics of the noise.

Sound, a computer-executable noise identification program for identifying potential noise in time-series data consisting of electrical signals or mechanical vibrations, a procedure for dividing the time-series data into finite time intervals, A procedure for performing a frequency analysis on the time-series data of a finite time section by a linear prediction method, a procedure for newly defining a complex frequency and its predicted value from a calculation amount obtained from the analysis result, and a procedure for newly defining the complex frequency and the predicted value And a step of displaying the trajectory of the temporal change in three dimensions to capture the characteristics of the noise.

By performing pre-processing of autocorrelation or integration processing on the time waveform of the time-series data, a complex frequency of the time-series data in a wide frequency range and its predicted value are obtained. The computer-readable storage medium according to claim 5, wherein the computer is caused to execute a procedure of capturing a characteristic of the noise by displaying a three-dimensional change.